사용자의 선호도를 반영한 Q-러닝 식단 추천

목표 칼로리를 설정하고, 카테고리별 음식에 대해 좋아요 버튼을 눌러
선호도를 학습한 뒤, 사용자의 선택을 반영해 최적의 식단 조합을 추천

🔍 주요 기능

• 목표 칼로리 필터링: 슬라이더로 원하는 일일 칼로리 범위를 지정
• 카테고리별 샘플링: 밥·국·반찬·디저트·음료·기타 카테고리에서 랜덤으로 음식 3가지씩 제시
• 다중 토글 선택: 각 라운드마다 최대 6개까지 좋아요(🥗)/비선호(⚪) 토글 가능
• 라운드별 선호도 누적: 총 3라운드 평가 후, 누적된 선호도를 반영해 추천
• 칼로리 최적화 추천: 선호도가 높은 음식 우선, 목표 칼로리 ± 마진 내에서 식단 조합 생성

📁 프로젝트 구조

food-recommender/           # 프로젝트 루트
├── app.py                 # Streamlit 메인 애플리케이션
├── data_loader.py         # CSV 로드 및 전처리 모듈
├── ui.py                  # Streamlit UI 구성 모듈
├── recommender.py         # 추천 로직 모듈
├── config.yaml            # 사용자 설정 파일
├── requirements.txt       # 의존성 목록
├── tests/                 # 단위 테스트
│   ├── test_data_loader.py
│   └── test_recommender.py
└── README.md              # 프로젝트 설명서

⚙️ 설치 및 실행

1. 저장소 클론

   git clone https://github.com/yourname/food-recommender.git
   cd food-recommender

2. 의존성 설치

   pip install -r requirements.txt

3. Streamlit 실행

   streamlit run app.py

4. 웹 브라우저에서 표시된 URL(기본: http://localhost:8501) 접속

🛠️ 설정 파일 (config.yaml)

data:
  path: 'FoodDataFrame.csv'      # CSV 데이터 경로
  margin: 50                     # ±칼로리 마진
ql:
  alpha: 0.1                     # 학습률
  gamma: 0.9                     # 할인율
  epsilon: 0.2                   # 탐험(epsilon-greedy)
  episodes: 1000                # 에피소드 수
ui:
  default_calories: 500          # 슬라이더 초기 칼로리
  max_rounds: 3                  # 평가 라운드 수

✅ 사용법 요약

1. 슬라이더로 목표 칼로리를 설정
2. 제시된 음식을 최대 6개까지 선택
3. 다음 평가 버튼을 눌러 라운드 진행 (총 3회)
4. 추천 생성하기 버튼으로 최종 식단 조합 확인